ARDL PANEL MODEL OF INTERNATIONAL FINANCIAL SYSTEM AND MONETARY POLICY OF ASIA PASIIFIC ECONOMIC COOPERATION
Notice bibliographique
Résumé
The financial system plays an important role in the economy. An unstable financial system will be vulnerable to various problems that disrupt the rotation of a country's economy and be vulnerable to economic problems such as the global crisis in various countries. The problem that occurs is the occurrence of Covid-19 causing various fluctuations in the level of inflation, money supply, imports, the occurrence of unstable inflation from January 2019 to August 2021, low inflation resulting in a decrease in imports and an increase in the money supply in Mexico. , Vietnam, Philippines, Hongkong, Indonesia, Canada, Malaysia, Singapore, Peru, and China. The analytical method in this study uses the ARDL Panel (Autoregression Distributed Lag) approach. The ARDL Panel Model determines which country models from APEC countries are able to control long-term financial system-based economic fundamentals in Mexico, Vietnam, the Philippines, Hong Kong, Indonesia, Canada, Malaysia, Singapore, Peru, and China and the Different Test for modeling the impact of covid-19 19 on the economic fundamentals of the financial system. The results of the research found the ARDL Panel prediction model in modeling the impact of Covid-19 on economic fundamentals in the financial system. The main Leading Indicator of variable effectiveness in controlling Inflation In TAPEC is JUB where Vietnam, the Philippines, Hong Kong, Japan, Malaysia, Singapore, Peru and China have a significant influence in controlling Inflation. Then overall in the long term (Long Run) it turns out that only the JUB and CDV variables have an effect on INF In TAPEC, while in the short term (Short Run) it is JUB that influences Inflation In TAPEC.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».